摘要：脑机接口(BCI)是一种变革性的人机交互,目前正朝智能脑机交互和脑机智能融合方向发展。然而,BCI的实用化面临极大的挑战,BCI技术成熟度尚未能满足用户的需求,BCI的传统设计方法有待改进。BCI人因工程对缩小研究与实际应用之间的差距具有重要的作用,但目前尚没有引起足够的重视,也没有专门的深入论述。本文针对BCI人因工程,阐述以人为中心的BCI设计需求(来自用户)、设计思想、目标和方法以及评价指标。BCI人因工程可望使处于不同使用条件下的BCI系统设计更符合人的特点、能力和需求,提升系统的用户满意度,增强用户体验感,提高BCI的智能化,使其走向实际应用。

摘要：言语表达是一种人类重要的高级认知行为,该行为的实现与人的大脑活动密切相关,真实的言语表达和言语想象都能够激活部分相同的脑区,因此言语想象成为一种脑机交互的新型范式。基于言语想象的脑机接口(BCI)具有自发产生、无需训练、对被试友好等优点,因此受到了众多学者的关注。然而,这一交互技术在实验范式的设计和想象材料的选择方面并不成熟,存在较多亟待讨论的问题。因此,针对这些问题,本文首先阐述了言语想象的神经机制;然后评述了以往的言语想象BCI研究,系统分析了实验范式、想象材料、数据处理等方面的主流方法和核心技术;最后讨论了制约该类BCI发展的关键问题和面临的主要挑战,并展望了言语想象BCI系统在未来的发展和应用前景。

摘要：脑机交互(BCI)是一种变革性的人机交互,旨在绕过外周神经和肌肉系统直接把脑神经的感知觉、表象或思维活动转化为动作,以进一步改善或提高人类的生活质量。脑磁图(MEG)测量神经元电活动产生的磁场,具有非接触式测量、时空分辨率高和准备方便等独特优势,是一种新的BCI驱动信号,基于脑磁图的脑机交互(MEG-BCI)研究具有重要脑科学意义和潜在应用价值。迄今为止,少有文献阐述MEG-BCI涉及的关键技术问题,为此本文聚焦MEG-BCI关键技术,详述了实用MEG-BCI系统中涉及的信号采集技术、MEG-BCI实验范式设计、MEG信号分析和解码关键技术、MEG-BCI神经反馈技术及其智能化方法。最后,本文还讨论了MEGBCI存在的问题和未来发展趋势,期望本文为MEG-BCI创新研究提供更多有益思路。

摘要：神经反馈是指通过脑机交互方式,将大脑活动转换成声音、图像、游戏等形式反馈给个体,以实现自主调节脑功能的目的。注意力是认知功能的重要方面,不仅是儿童发展成长的影响因素,也是成人日常生活中不可替代的重要心理品质。越来越多的实证研究已经发现神经反馈对健康个体的注意力具有调节作用,但缺乏对相关研究进展的总结和综述。综述基于大脑节律活动的神经反馈对于健康个体注意力调节作用的研究进展,分析注意力测量范式、学习者和非学习者的划分以及实验设计类型对神经反馈训练效果的影响,指出了追踪实验对研究的必要性。同时提及可用于健康个体注意力调节的其他几种神经反馈技术。期望为神经反馈提高注意能力的研究和实践提供参考。

摘要：为了提高基于运动想象(MI)的脑控智能小车的控制性能,本文提出一种基于脑电(EEG)信号神经反馈(NF)控制智能小车的方法。采用MI心理策略,通过实时呈现该心理活动相关EEG信号特征的能量柱形图给受试者,训练受试者快速掌握MI技能并调节其EEG信号的活动,并以MI多特征融合和多分类器决策相结合的方法,从而在线脑控智能小车。训练组(试验前接受设计的反馈系统训练)取得平均、最高和最低的识别指令准确率分别为85.71%、90.47%和76.19%,对照组(不接受训练)对应的准确率分别为73.32%、80.95%和66.67%;训练组平均、最长和最短用时分别为92 s、101 s和85 s,对照组对应的用时分别为115.7 s、120 s和110 s。通过以上试验研究结果,期望本文可为后续基于MI的EEG信号NF控制智能机器人的开发提供新的思路。

摘要：基于言语想象的脑机接口(Brain-Computer Interface,BCI)在一定程度上可以帮助言语障碍患者恢复语言沟通能力,也是目前较新颖的一种范式,凭借其对被试友好、自由度高等优点逐渐受到关注,但将不同言语想象范式之间的神经机制差异和分类效果进行对比的研究却鲜有涉及.重点从言语想象实验范式的神经机制及分类准确率这两个方面进行实验分析.实验招募12名健康被试,分别进行两种范式的言语想象任务,分析被试言语想象期间EEG数据的时域、频域、空域特征,并对两种范式下的数据样本进行分类识别.实验结果表明,执行言语想象任务时屏幕呈现黑屏时言语想象与空闲状态的平均分类准确率为80.6%,执行两种不同言语想象任务时为74.2%,该结果对言语想象BCI系统的范式设计、异步系统开发及推广应用都有积极的作用.

摘要：基于想象的脑机接口(Brain‐Computer Interface,BCI)在运动障碍康复中有潜在的应用.传统的想象任务是运动想象(Motor Imagery,MI),但MI不易习得和控制,且存在“BCI(Brain Computer Interface)盲”现象,使得该类BCI的实用化受限.为寻找下肢运动障碍的康复方法,采用一种较少被研究且易完成的心理想象,即“视觉想象(Visual Imagery,VI)”来构建BCI,但该类BCI的分类难度较大,需要探索有效的特征提取方法.招募18名被试参加两种动态图片的视觉想象任务并采集脑电(Electroencephalogram,EEG)数据;采用EEG互信息构建功能网络,利用图论分析方法计算脑网络的网络属性特征,分别以网络属性特征、不同维度邻接矩阵空间特征与网络属性与邻接矩阵组合特征构建特征向量;最后采用支持向量机(Support Vector Machine,SVM)对两类视觉想象任务进行分类.结果显示,采用八维互信息邻接矩阵构建的空间特征集具有较好的可分性,平均分类精度为90.12%±5.43%,表明基于EEG互信息邻接矩阵空间特征是识别所设计的VI任务的有效特征,可望为构建新型的在线视觉想象脑机接口用于下肢运动障碍康复提供思路.

摘要：目前,大多数运动想象(Motor Imagery,MI)针对的是单侧肢体的研究,而传统的单侧肢体简单的运动想象不易被患者理解并且康复效果有限.本研究针对运动协调想象,设计了一种新的步行想象范式,该范式需要被试想象正常的步行动作,其涉及复合肢体的协调配合,同时,对被试的空闲状态进行识别.招募了18名被试参与本实验,分别采集了步行想象和空闲状态的脑电信号;接着分别采用自回归(Auto Regressive,AR)模型、共空间模式(Common Spatial Pattern,CSP)、希尔伯特-黄变换(Hilbert-Huang Transform,HHT)和AR模型组合方法提取特征,最后采用支持向量机(Support Vector Machine,SVM)对步行想象和空闲状态两类任务进行分类.结果显示采用AR模型提取特征取得的平均、最高和最低分类正确率分别为63.28±6.33%、80.15%和51.56%;采用CSP提取特征取得的平均、最高和最低分类正确率分别为73.58±5.37%、85.47%和59.97%;采用HHT和AR模型组合方法提取特征取得的平均、最高、最低分类正确率分别为80.51±4.06%、89.59%和62.41%.本研究表明,HHT和AR结合的特征可用于识别步行想象和空闲状态,且可分性较好.本研究可望为基于步行想象的BCI用于脑卒中偏瘫患者运动障碍康复提供思路.

摘要：工作记忆在许多复杂的认知活动中起着重要的作用,如何提高个体的工作记忆能力一直是研究的热点问题。脑电神经反馈利用操作性条件反射原理,将大脑活动实时反馈给个体,使得个体学会自主调节大脑活动,从而改善其认知和行为表现,已被广泛用于提高临床群体和健康群体的工作记忆。然而,由于现有研究在实验设计、训练方案、被试人群、样本量等方面并不相同,结论也并不完全一致,仍然缺少系统的总结和展望。文章重点评述不同的脑电神经反馈方案对工作记忆的作用结果,并指出现存的问题和可能的解决思路,以期为未来研究提供参考。

摘要：多模式脑—机接口和多模式脑功能成像是目前和未来的发展趋势。本研究针对基于脑电-近红外光谱(EEG-NIRS)的多模态脑—机接口,为同时采集运动区的脑活动,设计了一种EEG和NIRS联合采集的头盔并进行实验验证。根据10-20系统或10-20扩展系统、NIRS探头和EEG电极直径和间距,以C3或C4为基准电极对近红外探头进行对准,把EEG电极置于NIRS电极之间,同时测量同一功能脑区NIRS变化和与之对应的EEG变化;采用螺纹旋紧的方式耦合近红外探头夹持器和近红外探头。为验证该多模态EEG-NIRS联合采集头盔的可行性和有效性,在涉及右手握力和握速运动想象共6个任务期间,采集了6个健康被试运动区的NIRS和EEG信号。这些信号在一定程度上可能反映了握力和握速运动想象相关的脑活动。实验表明本文设计的EEG和NIRS联合采集头盔可行并有效,不仅能够为基于EEG-NIRS的多模态运动想象脑—机接口提供支持,也可望为EEG-NIRS多模态脑功能成像研究提供支持。